基于YOLOv5的咖啡瑕疵豆检测方法

作者：张成尧; 张艳诚^*; 张宇乾; 赵玉清

来源：食品与机械, 2023, 39(02): 50-175.

DOI：10.13652/j.spjx.1003.5788.2022.80499

• 深度学习
• 瑕疵检测
• 注意力机制
• 激活函数
• 瑕疵豆
• 咖啡

目的:实现咖啡豆瑕疵检测。方法:提出一种基于改进YOLOv5s网络，以YOLOv5s为基线网络嵌入并优选不同的注意力机制模块与激活函数。结果:使用CBAM模块与激活函数Hardswish的平均精度均值相比基线网络分别提高了5.3%和2.9%。经过200次迭代训练，模型准确率为99.5%,平均精度均值为97.6%,召回率为0.98,识别速率为64幅/s,模型大小为15 M。结论:相比于Faster RCNN、SSD、YOLOv3、YOLOv4、YOLOv5s,试验算法识别准确率更高，模型更加轻量化，对咖啡瑕疵豆的识别效果更好。

• 单位
  机电工程学院; 云南农业大学